Sie tauchten vor zwei Jahren auf LinkedIn auf und sind immer noch da: „Prompt-Experte“, „Prompt Engineer“, „Instruktions-Ingenieur“. 2.000-Euro-Kurse, um zu lernen, mit ChatGPT zu reden. Firmen, die eine Stelle ausschreiben, um jemanden einzustellen, der „die Kunst des Prompts beherrscht“. Und die meisten geben Geld aus, um das falsche Problem zu lösen. Nicht, weil gute Prompts zu schreiben egal wäre —ist es nicht— sondern weil es mit Abstand der einfachste und am wenigsten knappe Teil davon ist, KI zu bauen, die wirklich in Produktion läuft.
Warum einen Prompt-Experten einzustellen gut klingt und schlecht ausgeht
Die Idee ist verführerisch, weil der Prompt das Einzige ist, was man sieht. Wenn du zusiehst, wie jemand einem Modell eine brillante Antwort entlockt, sieht es aus wie Magie, und Magie scheint bezahlenswert. Aber du verwechselst den Schalter mit der Elektroinstallation. Der Prompt ist der Schalter: der Teil, den du anfasst. Das System, das das Licht zuverlässig angehen lässt, jeden Tag, mit den richtigen Daten und ohne das Haus abzufackeln, ist etwas völlig anderes —und dort steckt die eigentliche Arbeit.
Das Ergebnis, einen „Prompt-Experten“ einzustellen und dort aufzuhören, ist vorhersehbar: Du bekommst eine wunderschöne Demo, die im Meeting beeindruckt und in der ersten Woche im Kontakt mit der Realität umfällt. Denn der perfekte Prompt über Daten, die nicht existieren, ohne Verbindung zu deinen Systemen und ohne dass jemand beobachtet, was passiert, wenn es scheitert, ist keine Lösung. Es ist ein Salontrick.
Der Prompt ist der Teil, der am wenigsten knapp ist
Einen guten Prompt zu schreiben ist eine echte Fähigkeit, aber man lernt sie in Wochen, dokumentiert sie auf einer Seite und —zunehmend— machen es die Modelle selbst. Heutige Modelle sind viel toleranter gegenüber unvollkommenen Anweisungen als die von vor zwei Jahren: Sie verstehen, was du willst, auch wenn du es nicht als Ritual formulierst. Deinen Wettbewerbsvorteil darauf zu setzen, bessere Sätze zu schreiben als alle anderen, heißt auf einen Burggraben zu setzen, der mit jeder neuen Modellversion von selbst austrocknet.
Knapp ist nicht der Satz. Knapp ist alles drumherum: zu wissen, welcher Prozess in deiner Firma es wert ist, automatisiert zu werden, woher die echte Angabe kommt, die die Antwort braucht, wie es sich mit deinem ERP oder deinem CRM verbindet, was passiert, wenn das Modell danebenliegt, und wer es merkt. Das lernt man nicht in einem Wochenendkurs, und genau das trennt eine Demo von einem System.
Was wirklich knapp ist: das System drumherum
Wenn du ein KI-System zerlegst, das seit Monaten in einer Firma läuft, ist der Prompt ein winziger Bruchteil des Ganzen. Was das Ergebnis trägt, ist das hier:
- Die Daten. Der brillanteste Prompt über Informationen, die das Modell nicht abfragen kann, produziert Antworten, die selbstsicher und falsch sind. Die Arbeit besteht darin, die echte Quelle anzuschließen —die Bestellung, die Rechnung, den Status— damit das System nachschlägt statt erfindet.
- Die Integration. Eine Antwort in einem Chatfenster erledigt keine Arbeit. Wert entsteht, wenn das System deine E-Mail liest, in dein CRM schreibt, deinen Flow auslöst. Das ist Klempnerei, kein Prompting.
- Die Evaluation. Woher weißt du, dass es zu 95 % funktioniert und nicht zu 60 %? Ohne ein System, um Treffer, Fehler und Randfälle zu messen, operierst du blind und nennst es Vertrauen.
- Der Betrieb. Was passiert, wenn es scheitert, wer prüft es, wie eskaliert es an einen Menschen, wie wird es aktualisiert, wenn sich das Modell ändert. Ein System ohne Eigentümer ist kein System: Es ist eine Zeitbombe mit guter Verpackung.
Nichts davon löst sich mit einem besseren Prompt. Es löst sich durch Bauen. Willst du sehen, wie das Teil gebaut wird, das wirklich die Arbeit macht, zerlegt der Leitfaden wie man einen KI-Agenten erstellt die Teile, die zählen, und der über das Trainieren des Agenten mit deiner Information erklärt, warum dein eigenes Wissen —nicht die Anweisung— das verteidigbare Gut ist.
Was du stattdessen einstellst
Stell nicht den ein, der weiß, wie man mit einem Modell redet. Stell den ein, der weiß, wie man das System baut, das die Arbeit macht, und es in Produktion laufen lässt —gemessen, mit Netz und mit Eigentümer. Die richtige Frage im Gespräch ist nicht „zeig mir deinen besten Prompt“; sie ist „zeig mir etwas, das du gebaut hast und das seit sechs Monaten ohne dich davor läuft“. Die erste filtert nach Theater; die zweite nach Urteilsvermögen.
In der Praxis ist das fast nie eine Person, die Sätze schreibt: Es ist jemand, der deine Datenquellen, deine Integrationen und deine Eskalationsregeln verkabelt, bis ein konkreter Prozess aufhört, den Tag deines Teams zu fressen. Wenn dir dieselben E-Mails immer wieder die Stunden stehlen, ist die Lösung kein Prompt: Es ist, die wiederkehrenden E-Mails wirklich zu automatisieren. Und wenn der Schmerz operativ und übergreifend ist, baut die Automatisierung von Abläufen das ganze System —Prompt inklusive, als das kleine Teil, das er ist.
Der „Prompt-Experte“ verschwindet nicht: Er löst sich in einer größeren, nützlicheren Rolle auf. Dem Modell gut Anweisungen zu geben ist eine Fähigkeit, die jeder gute Implementer hat, so wie ein guter Klempner einen Hahn aufdrehen kann. Aber du stellst keinen Klempner ein, weil er einen Hahn aufdrehen kann. Du stellst ihn für alles ein, was hinter der Wand steckt.